基于多元线性回归算法的气象灾害预测方法
【专利摘要】本发明公开了一种基于多元线性回归算法的气象灾害预测方法。本发明方法首先根据历史数据确定待预测区域特定时期的主要气象灾害，然后分别建立各种主要气象灾害与气象因子的映射关系方程式；最后在各种气象灾害与气象因子的映射关系方程式中带入预测的气象因子参数值，得出相应气象灾害发生的概率值。本发明方法将多元线性回归算法应用于气象灾害预测技术，建立气象灾害与气象因子的映射关系方程式，只需要收集气象因子参数值，对样本数据的要求不高；本发明方法可应用于各种环境，根据各地不同的气象因子值得到不同的映射关系方程式系数，适应性强；本发明方法的计算过程相对简单且不需要反复调试，具有广泛应用价值。
【专利说明】基于多元线性回归算法的气象灾害预测方法
【技术领域】
[0001] 本发明涉及电力系统气象灾害防护【技术领域】，特别涉及一种基于多元线性回归算 法的气象灾害预测方法。
【背景技术】
[0002] 气象灾害是对电网造成重大影响，使得电网遭受巨大损失的重要因素之一。我国 是世界上自然灾害最为严重的国家之一，灾害种类多、分布地域广、发生频率高、造成损失 严重。并且由于我国传统电网建设过程中较多的考虑电网内部构造的供电可靠性与整体安 全性，对于外界因素对电网侵损所造成损失的预防与控制水平还不够高，所以每当遭遇重 大气象灾害时，往往会导致电网难以正常运转，严重时还会产生系统崩溃现象。气象因子与 气象灾害的成因有关，因此建立气象因子与气象灾害之间的映射联系，根据历史数据计算 气象灾害发生的概率，是目前预测气象灾害的主要手段。
[0003] 由于气象灾害种类繁多，同时气象因子对气象灾害的成因影响关系复杂，因此如 何建立气象因子与气象灾害之间的映射联系，一直是气象学中的重点和难点问题之一。经 过长期研究，目前气象学中通常采用以下三种方法建立气象因子与气象灾害之间的映射联 系：一是利用灰色预测模型中的拓扑模型，利用绘制曲线来建立自变量(气象因子）与因变 量(气象灾害）关系，从而得到与预测未来数值的模型，但是该模型的建立对样本数据要求 较高，一旦原始数据有波动就极易产生预测坏点；二是采取平稳时间序列分析法，根据统计 学统计出的因果关系建立方程，求得相关系数，该方法的缺陷是模型一旦建立，系数就确定 不变，无法适应多变的天气现象演变规律；三是用周期叠加等非线性预测模型建立曲线方 程，通过海温格点对未来趋势进行预测，该方法预测精度较高，但是计算复杂且需要对结果 进行多次调试，在实际中难以得到较好应用。
【发明内容】
[0004] 本发明的目的在于克服现有技术中所存在的样本数据要求高、适应能力差、计算 过程复杂等不足，提供一种基于多元线性回归算法的气象灾害预测方法，为气象灾害防护 提供很好的决策支持。
[0005] 为了实现上述发明目的，本发明提供了以下技术方案：
[0006] -种基于多元线性回归算法的气象灾害预测方法，包括步骤：
[0007] (1)收集待预测区域发生各种气象灾害的历史数据，历史数据包括发生各种气象 灾害的具体时间，一段时期内发生该气象灾害的次数，以及每次发生该气象灾害时对应的 气象因子数据；
[0008] (2)进行偏相关分析，确定待预测区域某段时期可能发生的主要气象灾害；
[0009] (3)采用逐步回归法，对步骤（2)中确定的各个主要气象灾害分别建立气象灾害与 气象因子的映射关系方程式，并进行F检验，如果显著水平P不能满足P <设定阈值，则剔 除该主要气象灾害，否则保留由该主要气象灾害建立的气象灾害与气象因子的映射关系方 程式；
[0010] (4)预测待预测区域某段时期的气象因子参数值，并将预测的气象因子参数值代 入步骤（3)中保留的气象灾害与气象因子的映射关系方程式中，得出发生相应气象灾害的 概率值。
[0011] 进一步的，步骤（1)中所述气象灾害包括风灾、洪?劳、雷电、大雾、地质灾害、凝冻覆 冰和山火，所述气象因子包括气温、气压、湿度、风速、蒸发量、降水和日照。
[0012] 进一步的，步骤（2)中所述主要气象灾害为任意两个偏相关系数大于等于-1且小 于等于1的气象灾害。确定主要气象灾害，即是预测待预测区域某段时期可能发生的主要 气象灾害。
[0013] 进一步的，所述步骤（4)中，采用弹性系数法、时间序列法或趋势外推法预测待预 测区域某段时期的气象因子参数值。
[0014] 进一步的，步骤（3)中对各个主要气象灾害分别建立气象灾害与气象因子的映射 关系方程式之后，进行t检验。采用t检验代替F检验，可缩短气象灾害与气象因子的映射 关系方程式的建立时间。
[0015] 进一步的，步骤（3)之后还包括步骤（3-1):采用偏相关分析方法确定引发各个气 象灾害的主要气象因子，如果在气象灾害与气象因子的映射关系方程式中，气象因子对应 的系数大于F检验参数或t检验参数、且任意两个气象因子的偏相关系数取值在-1至1之 间，则该气象因子为引发相应气象灾害的主要气象因子。首先预测出待预测区域可能发生 的主要气象灾害之后，再预测出引发该主要气象灾害的主要气象因子，为减小甚至避免气 象灾害对电网的损坏提供更好的决策支持。
[0016] 与现有技术相比，本发明的有益效果：
[0017] 本发明基于多元线性回归算法的气象灾害预测方法，利用多元线性回归算法首先 确定待预测区域在某个特定时期可能发生哪些主要气象灾害，然后建立气象因子与气象灾 害的映射关系方程式，最后代入气象因子参数值即可预测出各种气象灾害发生的概率值。 本发明方法可以预测出待预测区域在某个特定时期可能发生哪些气象灾害，以及各气象灾 害发生的概率值，根据气象灾害发生的概率值采取相应的防护措施，为电网的安全防护提 供了良好的决策支持。
[0018] 本发明基于多元线性回归算法的气象灾害预测方法，将多元线性回归算法应用于 气象灾害预测技术，建立气象灾害与气象因子的映射关系方程式。建立气象灾害与气象因 子的映射关系方程式时，只需要收集气象因子参数值，对样本数据的要求较低，克服了利用 灰色预测模型中的拓扑模型预测方法中对样本数据要求较高的缺陷；本发明方法可应用 于各种环境，根据各地区域不同的气象因子参数值得到该地区域相应的映射关系方程式系 数，适应性强；本发明方法的计算过程相对简单且不需要反复调试，具有广泛应用价值。
【专利附图】
【附图说明】：
[0019] 图1为本发明基于多元线性回归算法的气象灾害预测方法流程图。
【具体实施方式】
[0020] 下面结合试验例及【具体实施方式】对本发明作进一步的详细描述。但不应将此理解 为本发明上述主题的范围仅限于以下的实施例，凡基于本
【发明内容】
所实现的技术均属于本 发明的范围。
[0021] 本发明提供了一种基于多元线性回归算法的气象灾害预测方法，首先，基于多元 线性回归算法确定待预测区域特定时期的主要气象灾害，然后分别建立各种主要气象灾害 与气象因子的映射关系方程式；最后在各种气象灾害与气象因子的映射关系方程式中带入 预测的气象因子参数值，得出相应气象灾害发生的概率值。在映射关系方程式中带入预测 的某个特定时刻的气象因子参数值，即可得出该特定时刻气象灾害发生的概率值。特定时 刻的气象因子参数值通过弹性系数法、时间序列法，趋势外推法等经典方法计算得到。根据 气象灾害发生的概率值，采取相应的防护措施，尽可能的减小气象灾害造成的危害与损失。 气象学中，一般将气象灾害分为7类，分别是风灾、洪涝、雷电、大雾、地质灾害、凝冻覆冰和 山火，因此所述气象灾害为7类中的一种，所述气象因子包括气温、气压、湿度、风速、蒸发 量、降水和日照。
[0022] 参考图1，具体的，本发明基于多元线性回归算法的气象灾害预测方法，包括步 骤：
[0023] (1)收集待预测区域电网发生各种气象灾害的历史数据，历史数据包括发生各种 气象灾害的具体时间，一段时期内发生该气象灾害的次数，以及每次发生该气象灾害时对 应的气象因子数值。一般收集5-10年内待预测区域电网气象灾害发生的历史数据。
[0024] (2)进行偏相关分析，提取主要因变量。
[0025] 在有多个因变量的多元线性回归方程中，多个相关变量(任意两个因变量之间存 在一定的相关关系，因此在偏相关分析中，将因变量称为相关变量）间的关系是较为复杂 的，任何两个相关变量间常常存在不同程度的简单相关关系，但是这种相关关系又包含有 其他相关变量的影响。因此简单相关分析(即直线相关分析)没有考虑其他相关变量对这两 个相关变量的影响，实际上并不能真实反映两个相关变量间的相关关系。而只有消除了其 他相关变量的影响之后，研究两个相关变量间的相关性，才能真实地反映这两个相关变量 间相关的性质与密切程度。偏相关分析就是固定其他相关变量不变而研究某两个相关变量 间相关性的统计分析方法。
[0026] 在气象灾害与气象因子的映射关系方程式中，气象因子为自变量，气象灾害为因 变量。本发明方法中，主要因变量的含义是：7个气象灾害中，两个气象灾害之间的偏相关 系数取值在-1至1之间，则称这两个气象灾害为主要因变量。
[0027] 提取主要因变量的过程是：
[0028] ①根据收集的历史数据建立观测数据表，如表1所示。表1中，XpX2、…、x n分别 表示某种气象灾害自有统计以来累计发生的总次数，本实施例中，m=7,即ΧρΧ2、…、x m分别 表示7种气象灾害中的一种气象灾害自有统计以来累计发生的总次数，例如 +xln。η为序号，表示有η组观测数据，每组数据是在一个特定时期采集所得。xmn表示在统 计的一个特定时期发生某种气象灾害的次数，例如Xn，假设Xl为统计的洪涝灾害累计发生 的总次数，序号1表示采集的2005年6月的气象灾害数据，则x n表示2005年6月发生洪 涝灾害的次数。
[0029] 表 1
[0030]
【权利要求】
1. 一种基于多元线性回归算法的气象灾害预测方法，其特征在于，包括步骤： (1) 收集待预测区域发生各种气象灾害的历史数据，历史数据包括发生各种气象灾害 的具体时间，一段时期内发生该气象灾害的次数，以及每次发生该气象灾害时对应的气象 因子数据； (2) 进行偏相关分析，确定待预测区域某段时期可能发生的主要气象灾害； (3) 采用逐步回归法，对步骤（2)中确定的各个主要气象灾害分别建立气象灾害与气 象因子的映射关系方程式，并进行F检验，如果显著水平P不能满足P <设定阈值，则剔除 该主要气象灾害，否则保留由该主要气象灾害建立的气象灾害与气象因子的映射关系方程 式； (4) 预测待预测区域某段时期的气象因子参数值，并将预测的气象因子参数值代入步 骤（3)中保留的气象灾害与气象因子的映射关系方程式中，得出发生相应气象灾害的概率 值。
2. 根据权利要求1所述的基于多元线性回归算法的气象灾害预测方法，其特征在于， 步骤（2)中所述主要气象灾害为任意两个偏相关系数大于等于-1且小于等于1的气象灾 害。
3. 根据权利要求1所述的基于多元线性回归算法的气象灾害预测方法，其特征在于， 所述步骤（4)中，采用弹性系数法、时间序列法或趋势外推法预测待预测区域某段时期的气 象因子参数值。
4. 根据权利要求1至3之一所述的基于多元线性回归算法的气象灾害预测方法，其特 征在于，步骤（3)中对各个主要气象灾害分别建立气象灾害与气象因子的映射关系方程式 之后，进行t检验。
5. 根据权利要求4所述的基于多元线性回归算法的气象灾害预测方法，其特征在于， 步骤（3)之后还包括步骤（3-1):采用偏相关分析方法确定引发各个气象灾害的主要气象因 子，如果在气象灾害与气象因子的映射关系方程式中，气象因子对应的系数大于F检验参 数或t检验参数、且任意两个气象因子的偏相关系数取值在-1至1之间，则该气象因子为 引发相应气象灾害的主要气象因子。
【文档编号】G06Q10/04GK104156775SQ201310270367
【公开日】2014年11月19日 申请日期:2013年6月28日 优先权日:2013年6月28日
【发明者】苏华英, 汪明清, 张勇, 田年杰, 朱椤方, 黄晓旭, 林成, 周步祥, 舒勤, 陈实, 滕欢, 刘念, 李华强, 邱晓燕 申请人:贵州电网公司电力调度控制中心, 四川大学